Guide de démarrage rapide : Seeed Studio reCamera avec Ultralytics YOLO26#

reCamera a été présenté à la communauté IA lors de YOLO Vision 2024 (YV24), l'événement hybride annuel d'Ultralytics. Il est principalement conçu pour les applications d'IA en périphérie, offrant de puissantes capacités de traitement et un déploiement simplifié.

Grâce à la prise en charge de configurations matérielles variées et de ressources open source, il constitue une plateforme idéale pour prototyper et déployer des solutions innovantes de vision par ordinateur à la périphérie.

Pourquoi choisir reCamera ?#

La série reCamera est conçue spécifiquement pour les applications d'IA à la périphérie, adaptée pour répondre aux besoins des développeurs et des innovateurs. Voici pourquoi elle se démarque :

• Performance propulsée par RISC-V : Son cœur repose sur le processeur SG200X, basé sur l'architecture RISC-V, offrant des performances exceptionnelles pour les tâches d'IA en périphérie tout en préservant l'efficacité énergétique. Avec la capacité d'exécuter 1 000 milliards d'opérations par seconde (1 TOPS), il gère facilement des tâches exigeantes telles que la détection d'objets en temps réel.

• Technologies vidéo optimisées : Prend en charge les normes de compression vidéo avancées, notamment H.264 et H.265, pour réduire les besoins en stockage et en bande passante sans sacrifier la qualité. Des fonctionnalités comme l'imagerie HDR, la réduction de bruit 3D et la correction d'objectif garantissent des visuels professionnels, même dans des environnements difficiles.

• Double traitement économe en énergie : Alors que le SG200X gère les tâches d'IA complexes, un microcontrôleur 8 bits plus petit gère les opérations plus simples pour économiser l'énergie, rendant la reCamera idéale pour les configurations sur batterie ou à faible consommation.

• Conception modulaire et évolutive : La reCamera est construite avec une structure modulaire, composée de trois composants principaux : la carte centrale, la carte capteur et la carte de base. Cette conception permet aux développeurs de remplacer ou de mettre à niveau facilement les composants, garantissant flexibilité et pérennité pour les projets en évolution.

Configuration matérielle rapide de reCamera#

Suis la page reCamera Getting Started et sélectionne ton appareil (tel que la série reCamera 2002, le Gimbal ou le HQ POE) pour ouvrir son guide de démarrage rapide afin de procéder à la configuration initiale de l'appareil, comme la connexion de l'appareil à un réseau et l'accès à l'interface Web de Node-RED pour un aperçu rapide des résultats de détection.

Inférence utilisant les modèles YOLO26 préinstallés#

reCamera est livrée avec quatre modèles Ultralytics YOLO26 préinstallés et tu peux simplement choisir ton modèle souhaité dans le tableau de bord Node-RED.

• Détection (YOLO26n)
• Segmentation (YOLO26n-seg)
• Classification (YOLO26n-cls)
• Estimation de pose (YOLO26n-pose)

Étape 1 : Si tu as connecté reCamera à un réseau, saisis l'adresse IP de reCamera dans un navigateur Web pour ouvrir le tableau de bord Node-RED. Si tu as connecté reCamera à un PC via USB, tu peux saisir 192.168.42.1. Tu verras ici que le modèle de détection YOLO26n est chargé par défaut.

Étape 2 : Clique sur le cercle de couleur verte dans le coin inférieur droit pour accéder à l'éditeur de flux Node-RED.

Étape 3 : Clique sur le nœud model et clique sur On Device.

Étape 4 : Choisis l'un des quatre modèles YOLO26n préinstallés différents et clique sur Done. Par exemple, nous allons sélectionner ici YOLO26n Pose

Étape 5 : Clique sur Deploy et, une fois le déploiement terminé, clique sur Dashboard.

Maintenant, tu pourras voir le modèle d'estimation de pose YOLO26n en action !

Exporter vers cvimodel : Conversion de ton modèle YOLO26#

Si tu souhaites utiliser un modèle YOLO26 entraîné sur mesure avec reCamera, suis les étapes ci-dessous.

Ici, nous allons d'abord convertir un modèle PyTorch en ONNX, puis le convertir au format de modèle MLIR. Enfin, MLIR sera converti en cvimodel pour exécuter l'inférence sur l'appareil.

Exporter vers ONNX#

Exporte un modèle Ultralytics YOLO26 vers le format de modèle ONNX.

Installation#

Pour installer les paquets requis, exécute :

pip install ultralytics

Pour des instructions détaillées et les meilleures pratiques relatives au processus d'installation, consultez notre guide d'installation Ultralytics. Si vous rencontrez des difficultés lors de l'installation des paquets requis pour YOLO26, consultez notre guide des problèmes courants pour trouver des solutions et des conseils.

Utilisation#

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to ONNX format
model.export(format="onnx", opset=14)  # creates 'yolo26n.onnx'

Pour plus de détails sur le processus d'exportation, visite la page de documentation d'Ultralytics sur l'exportation.

Convertir ONNX en MLIR et cvimodel#

Après avoir obtenu un modèle ONNX, consulte la page Convert and Quantize AI Models pour convertir le modèle ONNX en MLIR, puis en cvimodel.

Benchmarks#

À venir.

Applications réelles de reCamera#

Les capacités avancées de vision par ordinateur et la conception modulaire de la reCamera la rendent adaptée à un large éventail de scénarios réels, aidant les développeurs et les entreprises à relever des défis uniques en toute simplicité.

• Détection de chute : Conçue pour les applications de sécurité et de santé, la reCamera peut détecter les chutes en temps réel, ce qui la rend idéale pour les soins aux personnes âgées, les hôpitaux et les environnements industriels où une réponse rapide est cruciale.

• Détection d'équipement de protection individuelle (EPI) : La reCamera peut être utilisée pour garantir la sécurité sur le lieu de travail en détectant la conformité des EPI en temps réel. Elle aide à identifier si les travailleurs portent des casques, des gants ou d'autres équipements de sécurité, réduisant ainsi les risques dans les environnements industriels.

• Détection d'incendie : Les capacités de traitement en temps réel de reCamera en font un excellent choix pour la détection d'incendie dans les zones industrielles et résidentielles, fournissant des avertissements précoces pour prévenir des catastrophes potentielles.

• Détection de déchets : Il peut également être utilisé pour des applications de détection de déchets, ce qui en fait un excellent outil pour la surveillance environnementale et la gestion des déchets.

• Détection de pièces automobiles : Dans les industries manufacturières et automobiles, elle aide à détecter et à analyser les pièces automobiles pour le contrôle qualité, la surveillance de la chaîne de montage et la gestion des stocks.

FAQ#